論文の概要: Synthetic Dataset Generation for Partially Observed Indoor Objects
- arxiv url: http://arxiv.org/abs/2604.07010v1
- Date: Wed, 08 Apr 2026 12:32:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-09 17:30:51.517598
- Title: Synthetic Dataset Generation for Partially Observed Indoor Objects
- Title（参考訳）: 部分観測した屋内物体の合成データセット生成
- Authors: Jelle Vermandere, Maarten Bassier, Maarten Vergauwen,
- Abstract要約: リアルな合成3Dスキャンデータセットを生成するためにUnityで実装された仮想スキャンフレームワークを提案する。
提案システムは, 走査分解能, 測定範囲, 距離依存ノイズなどのパラメータを用いて, 実世界のスキャナの挙動をシミュレートする。
得られたデータセットは、シーン再構築とオブジェクト補完のための学習ベースの方法のトレーニングと評価のための貴重な監視を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Learning-based methods for 3D scene reconstruction and object completion require large datasets containing partial scans paired with complete ground-truth geometry. However, acquiring such datasets using real-world scanning systems is costly and time-consuming, particularly when accurate ground truth for occluded regions is required. In this work, we present a virtual scanning framework implemented in Unity for generating realistic synthetic 3D scan datasets. The proposed system simulates the behaviour of real-world scanners using configurable parameters such as scan resolution, measurement range, and distance-dependent noise. Instead of directly sampling mesh surfaces, the framework performs ray-based scanning from virtual viewpoints, enabling realistic modelling of sensor visibility and occlusion effects. In addition, panoramic images captured at the scanner location are used to assign colours to the resulting point clouds. To support scalable dataset creation, the scanner is integrated with a procedural indoor scene generation pipeline that automatically produces diverse room layouts and furniture arrangements. Using this system, we introduce the \textit{V-Scan} dataset, which contains synthetic indoor scans together with object-level partial point clouds, voxel-based occlusion grids, and complete ground-truth geometry. The resulting dataset provides valuable supervision for training and evaluating learning-based methods for scene reconstruction and object completion.
- Abstract（参考訳）: 3次元シーン再構成とオブジェクト補完のための学習ベースの手法は、完全な地表面形状と組み合わせた部分スキャンを含む大きなデータセットを必要とする。
しかし、そのようなデータセットを現実のスキャンシステムで取得するにはコストがかかり、時間を要する。
本研究では,リアルな合成3Dスキャンデータセットを生成するためにUnityで実装された仮想スキャンフレームワークを提案する。
提案システムは,走査分解能,測定範囲,距離依存雑音などのパラメータを用いて実世界のスキャナの挙動をシミュレートする。
メッシュ表面を直接サンプリングする代わりに、このフレームワークは仮想的な視点からレイベースのスキャンを実行し、センサーの可視性と閉塞効果の現実的なモデリングを可能にする。
さらに、スキャナでキャプチャされたパノラマ画像を使用して、結果の点雲に色を割り当てる。
スケーラブルなデータセット作成をサポートするために、スキャナは、様々な部屋レイアウトと家具配置を自動的に生成する手続き的な屋内シーン生成パイプラインと統合される。
本システムでは, オブジェクトレベルの部分点雲, ボクセルをベースとした閉塞格子, 地表面の完全な形状を含む合成屋内スキャンを含む, テクティット{V-Scan}データセットを提案する。
得られたデータセットは、シーン再構築とオブジェクト補完のための学習ベースの方法のトレーニングと評価のための貴重な監視を提供する。
関連論文リスト
- Seen2Scene: Completing Realistic 3D Scenes with Visibility-Guided Flow [80.05357398241574]
Seen2Sceneは、シーンの完成と生成のために、不完全で現実世界の3Dスキャンをトレーニングする最初のフローマッチングベースのアプローチである。
Seen2Sceneは、現実世界の非完全な3Dスキャンから直接学習することで、複雑で散らかった実環境のためのリアルな3Dシーン補完を可能にする。
論文 参考訳（メタデータ） (2026-03-30T15:08:38Z) - IGFuse: Interactive 3D Gaussian Scene Reconstruction via Multi-Scans Fusion [15.837932667195037]
IGFuseは対話型ガウスシーンを複数のスキャンから観測することで再構成する新しいフレームワークである。
本手法は,ガウス場を意識したセグメンテーションを構築し,スキャン間の双方向光度・セマンティック一貫性を実現する。
IGFuseは、密度の高い観測や複雑なパイプラインを使わずに、高忠実なレンダリングとオブジェクトレベルのシーン操作を可能にする。
論文 参考訳（メタデータ） (2025-08-18T17:59:47Z) - A large-scale, physically-based synthetic dataset for satellite pose estimation [0.0]
本稿では,ハッブル宇宙望遠鏡(HST)を対象とするDLVS3-HST-V1データセットについて述べる。
データセットは、高度なリアルタイムおよびオフラインレンダリング技術を使用して生成され、高忠実度3Dモデル、ダイナミックライティング、物理的に正確な材料特性を統合する。
このパイプラインは、6-DoFのポーズとキーポイントデータ、セマンティックセグメンテーション、深さ、正規マップを備えた大規模でリッチな注釈付きイメージセットの作成をサポートする。
論文 参考訳（メタデータ） (2025-06-15T09:24:32Z) - SCoDA: Domain Adaptive Shape Completion for Real Scans [78.92028595499245]
点雲からの3D形状の完成は、特に現実世界のオブジェクトのスキャンによる難しい作業である。
合成データから実スキャン形状完了の領域適応のための新しいタスクであるSCoDAを提案する。
本稿では,知識伝達のための新しいクロスドメイン機能融合手法と,実データからの堅牢な学習のための新しいボリューム一貫性の自己学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-20T09:38:26Z) - Self-supervised Point Cloud Completion on Real Traffic Scenes via
Scene-concerned Bottom-up Mechanism [14.255659581428333]
ポイントクラウド補完は、オブジェクトの不完全な3Dスキャンのための完全な形状を参照することを目的としている。
現在のディープラーニングベースのアプローチは、トレーニングプロセスにおける大規模な完全な形状に依存しています。
本研究では,交通現場の車両に対して,完全なデータを持たない自己監視点クラウド補完手法(TraPCC)を提案する。
論文 参考訳（メタデータ） (2022-03-20T14:42:37Z) - Towards realistic symmetry-based completion of previously unseen point
clouds [0.43496401697112697]
対称オブジェクトに対してよく機能する新しいフレームワークを提案する。
学習ベースのアプローチとは異なり、提案するフレームワークはトレーニングデータを必要としない。
提案するフレームワークは,実世界の顧客スキャンのポイントクラウド完了において,最先端の効率性を実現することを実証する。
論文 参考訳（メタデータ） (2022-01-05T23:05:13Z) - Fully Automated Photogrammetric Data Segmentation and Object Information
Extraction Approach for Creating Simulation Terrain [0.0]
本研究は,全自動写真計測データセグメンテーションとオブジェクト情報抽出フレームワークを開発することを目的とする。
トレーニングやシミュレーションのためのリアルな仮想環境を作成する際のデータのユースケースを考えると、データのセグメンテーションとオブジェクト情報の抽出が不可欠である。
論文 参考訳（メタデータ） (2020-08-09T09:32:09Z) - OpenRooms: An End-to-End Open Framework for Photorealistic Indoor Scene
Datasets [103.54691385842314]
本研究では,屋内シーンの大規模フォトリアリスティックデータセットを作成するための新しいフレームワークを提案する。
私たちの目標は、データセット作成プロセスを広く利用できるようにすることです。
これにより、逆レンダリング、シーン理解、ロボット工学における重要な応用が可能になる。
論文 参考訳（メタデータ） (2020-07-25T06:48:47Z) - Transferable Active Grasping and Real Embodied Dataset [48.887567134129306]
ハンドマウント型RGB-Dカメラを用いて把握可能な視点を探索する方法を示す。
現実的な3段階の移動可能な能動把握パイプラインを開発し、未確認のクラッタシーンに適応する。
本研究のパイプラインでは,カテゴリ非関連行動の把握と確保において,スパース報酬問題を克服するために,新しいマスク誘導報酬を提案する。
論文 参考訳（メタデータ） (2020-04-28T08:15:35Z) - DOPS: Learning to Detect 3D Objects and Predict their 3D Shapes [54.239416488865565]
LIDARデータに対する高速な1段3次元物体検出法を提案する。
我々の手法の中核となる新規性は高速かつシングルパスアーキテクチャであり、どちらも3次元の物体を検出し、それらの形状を推定する。
提案手法は,ScanNetシーンのオブジェクト検出で5%,オープンデータセットでは3.4%の精度で結果が得られた。
論文 参考訳（メタデータ） (2020-04-02T17:48:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。